Análisis de componentes principales con datos georeferenciados. Una aplicación en la construcción de un índice de calidad de vida para la Argentina

Montevideo

Congreso; XIV Congreso Latinoamericano de Sociedades de Estadística; 2021

Sociedad Uruguaya de Estadística

El índice de Calidad de Vida (ICV) en Argentina fue construído por un equipo de expertos dirigido por G.A Velázquez con el objetivo de conocer las diferencias sociales, economicas, ambiental y regional de la calidad de vida de la poblacion argentina, para lo cual se han considerado principalmente dos dimensiones: la dimension socioeconomica (educacion, salud y vivienda) y la ambiental (problemas ambientales, recursos recreativos naturales y recursos recreativos socialmente construidos).Este indicador considera la informacion a nivel departamental, por lo que resulta un valioso instrumento de gestion de poltica publicas de salud, vivienda, educacion, medio ambiente y cultura. De esta manera resulta una medida que cuantica un nivel de vida de la poblacion fuera de la percepcion de los distintos actores sociales.En este trabajo se propone un analisis de las ponderaciones de los indicadores que conforman cada dimension denida en el ICV. El analisis de Componentes Principales (ACP) es una herramienta muy utilizada para analizar como participa cada indicador en la estructura de variabilidad de los datos.Sin embargo, como los indicadores estan georeferenciados la estructura de co-variacion reflejada por un analisis multivariado clasico puede verse afectada por los patrones espaciales subyacentes en los datos. En tal sentido, resulta adecuado aplicar el metodo conocido como MULTISPATI, el cual se basa en el ACPpero incorpora la restriccion dada por los datos espaciales mediante el calculo del ndice de Moran para medir la dependencia o correlacion espacial entre las observaciones. A partir de la agregacion (a traves de una suma ponderada) de los valores de las componentes espaciales (CPs) se denio el ndice, utilizando como ponderacion los valores propios asociados a cada componente. Los resultados muestran que las CPs seleccionadas permitiran una visualizacion mejor de la varia-bilidad espacial De esta manera, sera recomendable avanzar en la construccion del Indice de calidad de vida a partir de las CPs obtenidas a traves de MULTISPATI.